目录
[1.1 医院用能的特殊性](#1.1 医院用能的特殊性)
[1.2 政策与考核约束](#1.2 政策与考核约束)
[1.3 待评估的改造措施](#1.3 待评估的改造措施)
[2.1 构建原则](#2.1 构建原则)
[2.2 三级指标体系总览](#2.2 三级指标体系总览)
[2.3 核心指标的定义与算法](#2.3 核心指标的定义与算法)
[2.4 指标筛选的三道闸门](#2.4 指标筛选的三道闸门)
[3.1 第一道：数据来源与采集架构](#3.1 第一道：数据来源与采集架构)
[3.2 第二道：数据清洗](#3.2 第二道：数据清洗)
[3.3 第三道：平衡校验（数据保真）](#3.3 第三道：平衡校验（数据保真）)
[3.4 第四道：分项能耗拆分（实测 + 算法）](#3.4 第四道：分项能耗拆分（实测 + 算法）)
[3.5 第五道：同趋势化（方向统一）](#3.5 第五道：同趋势化（方向统一）)
[3.6 第六道：无量纲化（归一化）](#3.6 第六道：无量纲化（归一化）)
[四、评估模型选取：为什么是"熵权法 + 改进 TOPSIS + 障碍度"](#四、评估模型选取：为什么是"熵权法 + 改进 TOPSIS + 障碍度")
[4.1 候选模型横向比较](#4.1 候选模型横向比较)
[4.2 熵权法：让数据自己说话](#4.2 熵权法：让数据自己说话)
[4.3 改进 TOPSIS：从排序到得分](#4.3 改进 TOPSIS：从排序到得分)
[4.4 障碍度模型：把结论变成行动清单](#4.4 障碍度模型：把结论变成行动清单)
[五、评估结果分析：从 2019 到 2025 的完整复盘](#五、评估结果分析：从 2019 到 2025 的完整复盘)
[5.1 基础数据与口径说明](#5.1 基础数据与口径说明)
[5.2 核心指标演进表](#5.2 核心指标演进表)
[5.3 结果一：强度指标全面达标](#5.3 结果一：强度指标全面达标)
[5.4 结果二：碳排下降的双重效应拆解](#5.4 结果二：碳排下降的双重效应拆解)
[5.5 结果三：熵权 TOPSIS 综合得分与排序](#5.5 结果三：熵权 TOPSIS 综合得分与排序)
[5.6 结果四：障碍度诊断，锁定下一年度 KPI](#5.6 结果四：障碍度诊断，锁定下一年度 KPI)
[5.7 稳健性检验与局限性](#5.7 稳健性检验与局限性)
六、结语：从"建平台"到"用平台"，从"看数字"到"做决策"
摘要：医院是高能耗公共建筑，中央空调、净化空调、大型医疗设备、医用气体与生活热水等系统全天候运行，能耗密度远高于普通办公建筑。在"双碳"目标与公立医院高质量发展双重约束下，亟需将节能降碳转化为可量化、可对标、可追溯的效能评价。本文以某大型三甲综合医院（18万㎡、1600床、年门急诊130万人次）为原型，构建"能耗强度+碳排下降"三级指标体系，经数据清洗与口径统一后，采用熵权法、改进TOPSIS与障碍度诊断组合模型完成评估，并以2019---2025年模拟面板数据验证。全文兼顾方法论严谨性与工程落地性，可直接作为医院后勤节能降碳项目的评估模板。
一、场景介绍：医院能源与后勤的"高耗能、难拆解、强约束"
1.1 医院用能的特殊性
医院不是普通公共建筑，它的用能画像有三个显著特征。
第一，能耗强度高、全年无休。 手术室、ICU、导管室、消毒供应中心等区域要求恒温恒湿与高等级洁净度，净化空调系统常年运行；大型影像设备（CT、MRI、DSA、直线加速器）功率大、待机损耗高。公开数据显示，电力通常占医院总能耗的 55%~70%，是所有能源品类中最主要的部分。
**第二，结构复杂、责任难拆解。** 一栋住院楼里同时并存照明、空调、医疗气体、生活热水、厨房、电梯、信息机房等多种用能系统。若没有分项计量，管理者只能看到"总电费涨了"，却说不清是哪一层楼、哪个科室、哪台设备造成的，更无法把节能责任落到科室绩效上。
**第三，业务量波动剧烈。** 门诊量、出院人次、床位使用率、手术量的季节性变化，会直接改变能耗基线。只看"总用电量"这个绝对数，很容易把业务增长误判为能源浪费，或者把业务萎缩误当成节能成效------这也是医院能耗评价最容易踩的坑。
1.2 政策与考核约束
评估不是自娱自乐，而是对标。当前医院能源管理主要面对三层约束：
- 公共机构绿色低碳引领行动 ：提出到 2025 年，在 2020 年基础上单位建筑面积能耗下降 5% 、单位建筑面积碳排放下降 7%，有条件的地区 2025 年前实现公共机构碳达峰。多地（如上海）进一步加严，要求市级医院同等业务量下单位建筑面积能耗下降 5% 以上、人均能耗下降 6% 以上、人均水耗下降 7% 以上、单位建筑面积碳排放下降 7%。
- 能耗定额标准 ：《公共机构能耗定额 第 4 部分：医疗卫生类》等标准给出了三级医院的约束值、基准值、引导值。以寒冷地区（西安所在气候区接近寒冷 A/B 区）三级医院为例，单位建筑面积能耗约束值约 10.3 kgce/(㎡·a)、基准值约 7.4、引导值约 6.2；常规用能系统单位建筑面积电耗约束值约 114.9 kWh/(㎡·a)、基准值 85.6、引导值 70.0。
- 医院等级评审与绩效考核：三级公立医院绩效考核将"万元收入能耗支出"列为硬指标；后勤服务高质量发展评价则普遍采用 SPO（结构---过程---结果）模型，覆盖安全、成本、服务、节能等维度。
1.3 待评估的改造措施
本场景原型在 2022 年启动了全院区综合节能改造，采用**能源费用托管型合同能源管理（EMC）**模式，由节能服务公司全额出资，医院以托管服务费方式支付，合同期 10 年，期满后设备无偿移交院方。改造覆盖六大系统：
- 冷热源系统：淘汰高能耗燃气锅炉与溴化锂机组，改用超低氮真空冷凝燃气热水锅炉耦合超低温空气源热泵的多能互补方案；空调主机更换为磁悬浮变频离心冷水机组。
- 水力平衡：部署三级水力平衡调控，安装数百个高精度传感器与智慧阀门，解决"大流量小温差"浪费。
- 照明与电梯：全院更换高光效 LED 灯具，主力电梯加装能量回馈装置。
- 生活热水与节水：空气源热泵热水 + 蒸汽冷凝水回收，更换节水器具并修复管网漏点。
- 末端集控：对重点科室分体空调远程集控、温度锁定；更换节能开水器。
- 智慧能碳平台：搭建"院级---楼栋---科室---设备"四级计量体系，实现分项计量、实时监测、异常预警与自动报表。
评估的核心命题 由此明确：这套投入上千万的改造，到底让医院的能耗强度 和碳排强度下降了多少？下降是真实的，还是被业务量增长、气候因素、统计口径变化"化妆"出来的？这正是本文要回答的问题。
二、指标体系构建：从"一堆指标"到"一棵树"
2.1 构建原则
指标不是越多越好。医院后勤指标体系的构建遵循四条原则：
- 目标导向：紧扣"能耗强度下降、碳排下降"两个核心目标，杜绝为了好看而堆砌无关指标。
- 可采集、可核验：每个指标必须能从电表、水表、气表、业务系统或平台数据库中取到值，且能通过账单交叉验证。
- 口径可比：同时提供"总量"与"强度"双口径，前者反映绝对减量，后者剔除业务量影响，两者缺一不可。
- 分层分级：用"目标层---准则层---指标层"的树状结构组织，既便于权重分配，也便于向管理层逐级下钻。
2.2 三级指标体系总览
在 SPO 模型的启发下，本文把评估维度组织为"投入结构（Structure）---运行过程（Process）---结果绩效（Outcome）"三个准则层，最终形成 4 个一级维度、9 个二级维度、18 个三级指标。核心指标全部围绕能耗强度与碳排展开，同时辅以成本、运维、安全类指标保证评价完整性。
| 目标层 | 准 则 层 | 一级指标(权重) | 二级指标 | 三级指标(单位) | 属性 |
|---|---|---|---|---|---|
| 医院能源与后勤优化综合效能 | B1 投入结构 (0.22) | C1 能耗水平 (0.12) | D1 强度指标 | E1 单位建筑面积综合能耗 kgce/(㎡·a) | 负向 |
| 医院能源与后勤优化综合效能 | B1 投入结构 (0.22) | C1 能耗水平 (0.12) | D1 强度指标 | E2 单位建筑面积电耗 kWh/(㎡·a) | 负向 |
| 医院能源与后勤优化综合效能 | B1 投入结构 (0.22) | C1 能耗水平 (0.12) | D1 强度指标 | E3 单位床日能耗 kgce/(床日) | 负向 |
| 医院能源与后勤优化综合效能 | B1 投入结构 (0.22) | C1 能耗水平 (0.12) | D2 业务对标 | E4 万元业务收入能耗支出 tce/万元 | 负向 |
| 医院能源与后勤优化综合效能 | B1 投入结构 (0.22) | C2 碳排放 (0.10) | D3 碳强度 | E5 单位建筑面积碳排放 tCO₂/(㎡·a) | 负向 |
| 医院能源与后勤优化综合效能 | B1 投入结构 (0.22) | C2 碳排放 (0.10) | D3 碳强度 | E6 单位床日碳排放 kgCO₂/床日 | 负向 |
| 医院能源与后勤优化综合效能 | B1 投入结构 (0.22) | C2 碳排放 (0.10) | D4 碳结构 | E7 范围2碳排占比 % | 负向 |
| 医院能源与后勤优化综合效能 | B2 运行过程 (0.28) | C3 能源结构 (0.08) | D5 清洁能源 | E8 可再生能源电力占比 % | 正向 |
| 医院能源与后勤优化综合效能 | B2 运行过程 (0.28) | C4 系统能效 (0.12) | D6 关键设备 | E9 冷站综合能效比(COP) --- | 正向 |
| 医院能源与后勤优化综合效能 | B2 运行过程 (0.28) | C4 系统能效 (0.12) | D6 关键设备 | E10 冷冻水输送系数 --- | 正向 |
| 医院能源与后勤优化综合效能 | B2 运行过程 (0.28) | C5 管理执行 (0.08) | D7 计量运维 | E11 分项计量覆盖率 % | 正向 |
| 医院能源与后勤优化综合效能 | B2 运行过程 (0.28) | C5 管理执行 (0.08) | D7 计量运维 | E12 数据可用率 % | 正向 |
| 医院能源与后勤优化综合效能 | B3 结果绩效 (0.38) | C6 减碳成效 (0.16) | D8 绝对减量 | E13 年碳减排量 tCO₂/a | 正向 |
| 医院能源与后勤优化综合效能 | B3 结果绩效 (0.38) | C6 减碳成效 (0.16) | D8 绝对减量 | E14 碳排强度年下降率 % | 正向 |
| 医院能源与后勤优化综合效能 | B3 结果绩效 (0.38) | C7 经济效益 (0.12) | D9 成本效益 | E15 单位面积后勤运维成本 元/㎡ | 负向 |
| 医院能源与后勤优化综合效能 | B3 结果绩效 (0.38) | C7 经济效益 (0.12) | D9 成本效益 | E16 静态投资回收期 年 | 负向 |
| 医院能源与后勤优化综合效能 | B4 保障支撑 (0.12) | C8 安全合规 (0.07) | D10 风险控制 | E17 重大用能安全事故次数 次 | 负向 |
| 医院能源与后勤优化综合效能 | B4 保障支撑 (0.12) | C9 服务响应 (0.05) | D11 服务保障 | E18 后勤维修平均响应时间 min | 负向 |
表 1 医院能源与后勤优化效能评估指标体系
2.3 核心指标的定义与算法
以下六个指标是本次评估的"主角"，需要把口径钉死。
（1）单位建筑面积综合能耗 E1
其中 为第
类能源实物消耗量（电 kWh、天然气 m³、水 t、蒸汽 GJ、热力 GJ 等），
为折标准煤系数（电力 0.1229 kgce/kWh，天然气 1.2143 kgce/m³，热力按 0.0341 kgce/MJ），分母
为医院总建筑面积（㎡）。关键细节：统计期内独立运营的商店、餐饮、教学设施等，若能分项计量则应从分子中扣除，避免院区商业能耗拉高指标。
（2）单位建筑面积电耗 E2
需特别注意：CT、MRI、直线加速器等大型医疗设备若在常规分项回路中未独立计量，会把医疗业务能耗混入建筑能耗，导致能耗强度被严重高估。因此必须为大型设备设置专用计量回路。
（3）单位床日能耗 E3
B 为开放床位数。这是剔除规模因素的关键指标，适合院际横向对标。
（4）万元业务收入能耗支出 E4
该指标直接挂钩三级公立医院绩效考核，反映能源投入对医疗产出的"性价比"。注意分子是否含水要在历年间保持一致，否则会出现"下降是口径变化造成的"假象。
（5）碳排放总量与碳强度 E5/E6
按《温室气体核算体系》（GHG Protocol）划分范围，医院建筑运营阶段核算范围 1 + 范围 2（范围 3 涉及供应链、员工通勤、医疗废弃物外运等，本文作为延伸但不纳入核心得分）：
- 范围 1（直接排放）：锅炉、备用发电机、车辆等化石燃料燃烧；医用气体逸散；制冷剂泄漏。
- 范围 2（间接排放）：外购电力、热力、蒸汽、冷气。
计算公式为：
碳排放因子必须选用权威、可追溯的最新值。生态环境部联合国家统计局、国家能源局发布的 2024 年电力碳足迹因子显示：全国电力平均碳足迹因子为 0.5777 kgCO₂e/kWh，较 2023 年的 0.6205 下降 6.9% ；其中燃煤 0.9240、燃气 0.4503、水力 0.0141、核能 0.0065、风力 0.0324、光伏 0.0520、生物质 0.0404 kgCO₂e/kWh，输配电（含线损）0.0327 kgCO₂e/kWh。这个因子的年度下降本身就会带来"账面减碳"，因此评估时必须固定因子口径，并在报告中单列"因子效应"与"真实节能效应"。
（6）碳排强度年下降率 E14
采用强度口径的年下降率，可以直观回应"单位面积碳排放下降 7%"这类政策考核指标。
2.4 指标筛选的三道闸门
指标体系构建的最后一步是"瘦身"，通过三道闸门剔除冗余：
- 相关性闸门：用 Pearson 相关系数矩阵剔除高度相关（r\>0.95）的重复指标，例如"单位面积能耗"与"人均能耗"在业务量稳定的年份高度相关，保留更具物理意义的强度口径。
- 可获取性闸门：凡是连续两个统计期无法取到可靠值的指标直接淘汰------无法验证的指标没有评估价值。
- 鉴别力闸门：计算各指标在样本期内的变异系数（CV），CV 过小的指标（几乎无波动）信息量极低，可降级或删除。
经过三道闸门，表 1 的 18 项指标即为最终评估集合，覆盖从投入到结果的完整因果链。
三、指标数据处理：让数据"说真话"的六道工序
医院能源数据最大的敌人不是"少"，而是"脏"。行业调研发现，部分已建成的能耗监管平台中超过一半的监测数据实际不可用，根源在于采集设备损坏、通信受干扰、电表满码清零、运行方式改变后拆分算法失效。因此，数据处理环节直接决定评估结论可信与否。
3.1 第一道：数据来源与采集架构
建立"院级总表---楼栋分表---科室/区域表---重点设备表"的四级计量架构：
| 层级 | 计量对象 | 典型安装位置 |
|---|---|---|
| 第一层 | 医院总用电/总用水/总用气 | 配电房低压总进线、院区总表 |
| 第二层 | 各楼栋用能 | 各楼栋配电回路 |
| 第三层 | 科室/区域用能 | 楼层配电箱、区域配电柜 |
| 第四层 | 重点设备用能 | CT/MRI/直线加速器等专用回路 |
电力是优先项，因为电力占医院总能耗 55%~70%，且数据最容易标准化。采集频率建议从 1 小时级加密到 5~15 分钟级，靠短间隔的数据冗余来修复坏点。
3.2 第二道：数据清洗
对原始时序数据依次执行：
- 缺失值处理：缺失率 < 5% 的序列用同期（上周同日同时段）均值插补；缺失率 5%~20% 用线性插值结合气候相似日修正；缺失率 > 20% 的测点标记为"不可信"，不参与当年强度核算，并触发现场检修工单。
- 异常值处理：采用 3σ 准则结合业务规则。例如用水量单日突增超过 50% 标记异常、同期用电量偏差超 20% 触发复核、单点功率超出设备额定功率 1.5 倍判为表计故障。
- 重复与跳变处理：电表满码清零会导致读数回零，需做累计量复位补偿；时钟不同步导致的数据错位需统一时标。
3.3 第三道：平衡校验（数据保真）
这是医院能耗数据独有的关键工序。通过分级计量计算平衡率：
合理区间一般设为 95%~105% 。超出范围即触发告警，排查方向包括：互感器变比配置错误、相序接反、流量计安装不满足"前十后五"直管段要求、分项拆分算法失效。项目验收时必须核对"采集表数据、系统数据库数据、页面展示数据"三数一致，即"三数合一"。
3.4 第四道：分项能耗拆分（实测 + 算法）
现实中无法给每个回路装表，大量分项数据要靠算法从总量拆分。常见方法有容量比例法、量小不计法，但设备改造、回路调整后原系数即失效，导致"空调用电占比 60%"这类结论其实是估出来的。
正确的做法是实测 + 算法双校验：对中央空调、净化空调、照明、动力、医疗专项五大类中的"能耗大户"（占全院 80% 以上的系统）优先实测装表，用实测数据反校算法系数；只对占比小的系统采用分摊估算。这既是"二八定律"的工程落地，也是建立全院"唯一可信坐标系"的基础。
3.5 第五道：同趋势化（方向统一）
综合评价中指标有正有负，必须统一为"越大越优"的高优化方向：
- 负向指标（值越小越好） ：用差值法
（绝对数）或
- 正向指标：保持不变。
- 中间型指标 （如室内温度、冷机 COP 最佳区间）：以最优值为中心做折减，
3.6 第六道：无量纲化（归一化）
为消除量纲差异，采用极差法进行归一化：
式中加入一个极小的平移量，用于避免后续熵权计算中出现零值导致对数无定义。这一步完成后，所有指标被压缩到同一数值尺度，可以进入模型计算。
一个常被忽视的要点 ：归一化必须在所有待比较对象（年份/院区/医院）的完整样本集上统一计算，而不是每个对象各自归一化。否则"改善"可能被统计手法抹平。
四、评估模型选取：为什么是"熵权法 + 改进 TOPSIS + 障碍度"
4.1 候选模型横向比较
| 模型 | 原理 | 优点 | 局限 | 适用性判断 |
|---|---|---|---|---|
| 德尔菲法 + AHP | 专家打分构建判断矩阵 | 融合领域经验，解释性强 | 主观性强，专家选择影响大 | 可作权重校验，不宜单独作为主模型 |
| **DEA（数据包络分析）** | 构建最佳实践前沿面，测算效率值 | 多投入多产出、无需预设生产函数、能给出标杆与改进投影 | 对异常值敏感、无法处理统计噪声、静态、样本需同质 | 适合院际/科室横向对标，不适合时间序列强度评价 |
| Malmquist 指数 | DEA 的动态扩展，分解技术进步与效率变化 | 能刻画全要素生产率演变 | 依赖 DEA 前沿，小样本不稳定 | 适合多院区年度效率变动 |
| 灰色关联分析 | 计算与理想序列的关联度 | 小样本、贫信息友好 | 区分度有限，权重仍待定 | 可作稳健性检验 |
| 熵权 TOPSIS | 用信息熵客观赋权 + 计算与正负理想解的贴近度 | 客观、计算透明、结果易解读、支持排序 | 权重完全依赖数据离散度，可能弱化政策重点指标 | 最适合本文"强度 + 下降率"的综合排序 |
模型选择的结论：
- **横向对标（多院区/多医院）**用 DEA-BCC 模型，投入选床位、面积、能耗总量，产出选门急诊量、出院人次、手术量，找出效率前沿与标杆单位。
- 纵向演进（单院多年） 用熵权 TOPSIS ，因为它能清晰回答"2025 年比 2019 年到底改善了多少、排在哪里"，且贴近度
- 在此基础上叠加障碍度模型，回答"是什么在拖后腿"，把评估结果转化为可执行清单。
4.2 熵权法：让数据自己说话
熵权法的核心思想是：指标离散程度越大，提供的信息量越多，权重应越高。计算步骤：
Step 1 构造同趋势化、归一化后的评价矩阵 ，
为评价对象（年份）数，
为指标数。
Step 2 计算第 项指标下第
个对象的占比：
Step 3 计算第 项指标的信息熵（规定
时该项取 0）：
Step 4 计算信息熵冗余度与权重：
讨论 ：纯熵权会让"碳排强度年下降率"这类波动大的指标权重虚高，而让"数据可用率"这类本应接近满分的保障性指标权重偏低。因此工程上常采用组合赋权 ：将熵权
4.3 改进 TOPSIS：从排序到得分
Step 5 构建加权规范矩阵，
。
Step 6 确定正理想解（最优）与负理想解（最劣）：
Step 7 计算各评价对象到正负理想解的加权欧氏距离：
Step 8 计算相对贴近度（即年度综合效能得分）：
越接近 1，说明该年度越接近理想最优状态。这就是可以写进年度后勤报告、对管理层汇报的唯一综合得分。
4.4 障碍度模型：把结论变成行动清单
评估的价值不在于打分，而在于指出改进方向。障碍度模型量化每个指标的"拖后腿"程度：
- 因子贡献度 ：用指标权重
- 指标偏离度 ：
- 障碍度：
按障碍度从大到小排序，取前 3~5 项作为次年重点整改对象，直接转化为后勤部门的年度 KPI。
五、评估结果分析：从 2019 到 2025 的完整复盘
5.1 基础数据与口径说明
以本文场景原型（建筑面积 18 万㎡、开放床位 1600 张、年门急诊约 130 万人次）构建 2019---2025 年共 7 年的评估面板。关键口径约定：
- 统计期为一个自然年；面积、床位取年末值，业务量取全年累计值。
- 碳排放因子统一采用生态环境部发布的年度电力碳足迹因子（2023 年 0.6205、2024 年 0.5777 kgCO₂e/kWh），并单列因子效应。
- 2022 年为改造启动年（技改实施 + 平台上线），2023 年起进入运维优化期。
- 数据已通过平衡率校验，各年平衡率均在 96%~102% 区间。
5.2 核心指标演进表
| 年份 | 单位面积综合能耗 kgce/㎡ | 单位面积电耗 kWh/㎡ | 单位床日能耗 kgce | 万元收入能耗 tce/万元 | 单位面积碳排 tCO₂/㎡ | 碳排强度年下降率 % | 综合节能率 % |
|---|---|---|---|---|---|---|---|
| 2019（基线） | 13.8 | 118.5 | 11.2 | 0.0218 | 1.52 | --- | --- |
| 2020 | 12.6 | 108.2 | 10.5 | 0.0201 | 1.38 | 9.2 | 8.7 |
| 2021 | 12.9 | 111.0 | 10.8 | 0.0205 | 1.41 | -2.2 | -1.6 |
| 2022（改造年） | 11.5 | 96.4 | 9.6 | 0.0182 | 1.24 | 12.1 | 11.5 |
| 2023 | 10.2 | 85.1 | 8.5 | 0.0160 | 1.09 | 12.1 | 12.8 |
| 2024 | 9.4 | 77.8 | 7.8 | 0.0146 | 0.98 | 10.1 | 13.5 |
| 2025 | 8.9 | 72.5 | 7.4 | 0.0135 | 0.92 | 6.1 | 14.2 |
表 2 2019---2025 年核心指标演进（模拟数据，用于方法演示）
5.3 结果一：强度指标全面达标
把表 2 的结果对照标准，结论清晰：
- 单位建筑面积电耗 ：从 118.5 kWh/㎡ 降至 72.5 kWh/㎡，累计下降 38.8% ，已经低于寒冷地区三级医院常规用能系统电耗的**引导值（70.0 kWh/㎡）**附近，逼近行业先进值。
- 单位建筑面积综合能耗 ：从 13.8 kgce/㎡ 降至 8.9 kgce/㎡，累计下降 35.5%，低于约束值 10.3，接近引导值 6.2 的方向，较 2025 年公共机构"单位面积能耗下降 5%"的政策目标超额完成。
- 万元收入能耗支出 ：从 0.0218 降至 0.0135 tce/万元，累计下降 38.1%，在三级公立医院绩效考核中属于显著优势项。
这里要特别强调强度口径的价值：2023 年医院门急诊量同比增长 10%，如果只看总能耗，当年总用电量是上升的，很容易被误判为"节能失败"；但强度指标同步下降，恰恰证明改造措施有效对冲了业务增长带来的能耗增量。
5.4 结果二：碳排下降的双重效应拆解
碳排放总量从 2019 年的约 1.71 万 tCO₂ 降至 2025 年的约 1.10 万 tCO₂，单位面积碳排从 1.52 降至 0.92 tCO₂/㎡，累计下降 39.5%，大幅超过"单位面积碳排放下降 7%"的政策要求。
但深入分析会发现，这个降幅来自两个相互独立的部分：
- 真实节能效应（物理节能）：冷热源改造、磁悬浮主机、水力平衡、LED 照明、行为节能等，带来约 26% 的降幅。
- 因子效应（核算口径变化）：全国电力平均碳足迹因子从 0.6205 降至 0.5777（2023→2024 单年即下降 6.9%），仅此一项就让核算碳排"账面下降"约 6.9%。
这是一个必须写进报告的诚实性披露。如果只报"碳排下降 39.5%"，管理层会高估技改成效；正确的做法是拆成"技术节能贡献 X%、能源结构贡献 Y%、因子效应贡献 Z%"，并明确说明因子效应不属于医院自身努力，不可作为下一年度的重复收益预期。
此外，范围 2 占比 从 2019 年的 68% 上升至 2025 年的 78%，这是电气化替代（煤/气改电）的正常结果，也意味着绿电采购将成为下一阶段减碳的最强杠杆------用 0.0520（光伏）或 0.0324（风电）kgCO₂e/kWh 的因子替代 0.5777 的全国平均因子，边际减碳效果是数量级的。
5.5 结果三：熵权 TOPSIS 综合得分与排序
对 18 项指标完成同趋势化与归一化后，用熵权法（含 0.3 主观权重修正）计算权重，部分核心指标权重如下：
| 指标 | 熵权 | 修正后组合权重 | 指标 | 熵权 | 修正后组合权重 |
|---|---|---|---|---|---|
| E1 单位面积综合能耗 | 0.072 | 0.086 | E9 冷站 COP | 0.058 | 0.052 |
| E5 单位面积碳排放 | 0.081 | 0.095 | E11 分项计量覆盖率 | 0.031 | 0.048 |
| E13 年碳减排量 | 0.076 | 0.083 | E14 碳排强度年下降率 | 0.094 | 0.101 |
| E4 万元收入能耗支出 | 0.068 | 0.079 | E6 单位床日碳排放 | 0.063 | 0.071 |
表 3 部分指标权重（示例）
可以看出，碳排强度年下降率 E14 权重最高（0.101），体现了"以降碳为核心"的评估导向；而 E5、E13 也位居前列，形成"总量 + 强度 + 速率"的三重约束。
据此计算各年综合效能得分 C_i：
| 年份 | 贴近度 |
排名 | 等级 | ||
|---|---|---|---|---|---|
| 2019 | 0.312 | 0.041 | 0.116 | 7 | 较差 |
| 2020 | 0.248 | 0.098 | 0.283 | 6 | 一般 |
| 2021 | 0.261 | 0.085 | 0.246 | 5 | 一般 |
| 2022 | 0.183 | 0.162 | 0.470 | 4 | 良好 |
| 2023 | 0.121 | 0.228 | 0.653 | 3 | 良好 |
| 2024 | 0.074 | 0.276 | 0.789 | 2 | 优秀 |
| 2025 | 0.038 | 0.314 | 0.892 | 1 | 优秀 |
表 4 熵权 TOPSIS 综合效能得分
趋势解读 ：得分从 0.116 稳步爬升至 0.892，曲线在 2022 年出现明显拐点 ------这正是改造实施年，证明技改投入与效能提升在时间上高度吻合，排除了"自然改善"的解释。得分增速在 2024 年后有所放缓（从 0.653→0.789→0.892，边际增幅收窄），提示节能进入"深水区"，靠设备更新带来的红利已大部分释放，后续要靠 AI 寻优、行为节能、绿电采购等软性手段继续挖掘。
5.6 结果四：障碍度诊断，锁定下一年度 KPI
以 2025 年为基准年计算障碍度，排序如下：
| 排名 | 指标 | 偏离度 |
权重 | 障碍度 % | 诊断结论 |
|---|---|---|---|---|---|
| 1 | E8 可再生能源电力占比 | 0.62 | 0.066 | 26.4 | 院区几乎无自有光伏，绿电为空白 |
| 2 | E11 分项计量覆盖率 | 0.35 | 0.048 | 10.2 | 净化空调、医用气体尚未完全分项 |
| 3 | E15 单位面积后勤运维成本 | 0.28 | 0.057 | 9.6 | 维保外包费用刚性上涨 |
| 4 | E9 冷站综合能效比 | 0.21 | 0.052 | 6.8 | 部分冷机运行偏离高效区间 |
| 5 | E14 碳排强度年下降率 | 0.15 | 0.101 | 9.5 | 下降速率放缓，边际收益递减 |
表 5 2025 年障碍度诊断（示例）
这张表就是次年后勤部门的行动清单：
- 头号障碍 E8（障碍度 26.4%）：屋顶、车棚、闲置空地建设分布式光伏，签订绿电交易或绿证购买协议，这是当前投入产出比最高的减碳动作。
- 第二项 E11：补齐净化空调与医用气体的分项计量，把"可信坐标系"从 65% 扩展到 90% 以上。
- 第三项 E15：把维保从"故障后抢修"转向"预防性维护 + 绩效合同"，用运维效率对冲成本刚性。
- 第四项 E9：引入 AI 寻优算法，对冷机群控策略做动态调优，把冷站 COP 从当前水平提升到设计高效区。
5.7 稳健性检验与局限性
为保证结论可靠，本文做了三项稳健性检验：
- 权重敏感性：将主观权重比例从 0.3 调至 0.1 与 0.5，各年排名未发生交换，说明排序结果对权重设定不敏感。
- 模型交叉验证：用灰色关联分析重新排序，前两名（2025、2024）与 TOPSIS 完全一致，末位（2019）一致。
- 口径敏感性：固定电力碳因子为 0.6205 不变重算碳指标，碳排降幅从 39.5% 降至约 35%，结论方向不变，进一步印证因子效应的量级。
本方法的局限性也需要坦诚说明：
- 本文采用单院时间序列，无法识别行业最佳实践前沿；若要回答"我们在全国同级医院中排第几"，需补充 DEA 院际对标。
- 碳核算未纳入范围 3（供应链、医疗废物、通勤），而研究显示医疗行业供应链排放可占总排放的 70% 以上，这是未来重要的扩展方向。
- 模拟数据用于方法演示，实际应用时须以医院真实台账、电费单、计量数据为准，并完成第三方核查。
六、结语：从"建平台"到"用平台"，从"看数字"到"做决策"
医院能源与后勤优化的效能评估，本质不是一套数学公式，而是把看不见的浪费变成看得见的数据，把数据变成可考核的责任。本文给出的完整路径可以概括为六句话：
- 场景要真：紧扣医院全天候、高强度、业务波动大的用能特征，不套用普通公共建筑模板。
- 指标要准：以能耗强度与碳排强度为核心，强度与总量双口径并行，把大型设备独立计量、把业务量纳入分母。
- 数据要净：用四级计量、平衡率校验、实测 + 算法拆分、5~15 分钟采集频率，守住"数据保真"这条生命线。
- 模型要配：时间序列评价用熵权 TOPSIS，院际对标用 DEA，诊断整改用障碍度模型，不搞"一招鲜吃遍天"。
- 结果要拆：碳排下降必须拆解为技术节能、结构优化、因子效应三部分，诚实披露、合理归因。
- 结论要落地：障碍度排序就是次年 KPI，评估的最终产物是一张可以签进责任书的行动清单。
从工程实践看，行业头部案例已经给出了令人信服的参照：某南方医科大学附属医院 38 万㎡、年用电超 4600 万 kWh 的院区，通过综合节能改造实现综合节能率约 24%、年减碳 6463 吨；中部某三甲医院通过磁悬浮冷水机组改造，单楼空调系统年节能率超 40%；沿海某市多家医院通过能源费用托管，平均节能率超 20%、年减碳超 2000 吨。技术路径已经成熟，真正稀缺的是一套能让投入、过程、成效被客观度量的评估体系------这正是本文希望为同行提供的那块"量尺"。